基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
现有大部分微阵列数据中频繁闭合项集的挖掘需要事先给定最小支持度,但在实际应用中该最小支持度很难确定.针对该问题,提出top-k频繁闭合项集挖掘算法,基于自顶向下宽度优先搜索策略挖掘项集长度不小于min_1的top-k频繁闭合项集,并对搜索空间进行有效修剪,从而提高搜索速度.实验结果表明,该算法的时间性能在多数情况F优于CARPENTER算法.
推荐文章
基于矩阵的数据流Top-k频繁项集挖掘算法
数据挖掘
数据流
滑动窗口
矩阵
Top-k频繁项集
动态数据库中增量Top-k高效用模式挖掘算法
增量挖掘
效用挖掘
Top-k模式挖掘
动态数据库
基于MapReduce的top-k高效用模式挖掘算法
数据挖掘
top-k
高效用模式
MapReduce
并行算法
数据流中一种基于滑动窗口的前K个频繁项集挖掘算法
数据挖掘
数据流
频繁项集
滑动窗口
二进制
二分法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 微阵列数据中Top-k频繁闭合项集挖掘
来源期刊 计算机工程 学科 工学
关键词 微阵列数据 top-k频繁闭合项集 自顶向下 宽度优先
年,卷(期) 2011,(2) 所属期刊栏目
研究方向 页码范围 60-62
页数 分类号 TP393
字数 3259字 语种 中文
DOI 10.3969/j.issn.1000-3428.2011.02.021
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 缪裕青 桂林电子科技大学计算机与控制学院 31 140 8.0 10.0
3 史建军 桂林电子科技大学计算机与控制学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (3)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (6)
二级引证文献  (1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
微阵列数据
top-k频繁闭合项集
自顶向下
宽度优先
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导